תוכן עניינים:
ניתוח קצה - או ניתוח נתונים קרוב יותר למקום בו הם נאספים - הוא רעיון חדש יחסית בניתוח נתונים, ולפחות עד כה שמענו לרוב שמועברים אליהם בשילוב עם IoT. אחרי הכל, בעולם עם חיישנים בכל מקום וכמות הולכת וגוברת של נתונים הזורמים, ניתוח קצה מציע דרך להפיק ערך מהנתונים בצורה מהירה יותר, פשוטה יותר, ובמקרים רבים, יותר פרקטית. אך בעוד שניתוחי קצה סיפק את הטכנולוגיה למנף את IoT, ההבטחה שלה למעשה מתרחבת מעבר ל- IoT עד לקצה מערכת אקולוגית נתונים מסורתית יותר. כאן נסקור את היתרונות של עיבוד נתונים בקצה האחסון שלהם ויישום ניתוחים מסורתיים יותר, ומדוע ארגונים רבים מתחילים לחפש את היכולת לבחור בין שתי האפשרויות הללו כדי להתאים לצרכים שלהם.
| וובינר בחינם Edge Analytics: כלכלת IoT סוף סוף הירשם כאן |
נתונים לא כדאי לחסוך
בימיה הראשונים של נתונים גדולים ארגונים עסקו באיסוף נתונים. החוכמה הקולקטיבית באותה תקופה הייתה שאיסוף נתונים היה דבר טוב, אפילו אם לא ניתן היה לנתח אותם במלואם. הבעיה היא שכאשר איסוף הנתונים השתפר, נפחי הנתונים החלו להתפוצץ. על פי דוח שפרסם ארגון המחקר SINTEF בשנת 2013, 90% מכלל הנתונים בעולם נוצרו בשנתיים הקודמות. על פי IDC, 1.7 מגה-בייט של מידע חדש ייווצר בכל שנייה עבור כל אדם בכדור הארץ עד 2020. זה יסתכם בכ- 44 זאט-בייט של נתונים.
עם העלייה בנתונים השאלה נעשתה ברורה: מה בעצם נעשה עם כל המידע הזה? למרבה הצער, לפעמים התשובה מסתכמת במעט מאוד. מחקר שפורסם על ידי Pricewaterhouse Coopers ו- Iron Mountain בשנת 2015 מצא כי 43% מהחברות שנסקרו השיגו "תועלת מעט מוחשית" מהנתונים שאספו. 23% נוספים נמצאו כי הם מפיקים "שום תועלת כלשהי." מה שארגונים לומדים יותר ויותר הוא שלמרות שיש לאיסוף נתונים יתרונות משמעותיים, לא כל הנתונים מועילים ולא כל הנתונים ראויים לשמור, במיוחד כאשר הם נובעים ממספר החיישנים שאנו מכנים "IoT."
